انجمن کامپیوتر ایران

هدف اصلی این مقاله ارائه سیستمی خودکار برای شناسایی، ردیابی و تعیین مسیر هر بازیکن و نیز تعیین تیم آندر تصاویر ویدیویی مسابقات فوتبال می‌باشد. تجزیه و تحلیل سیستم ابتدا شامل جداسازی چمن از دیگر اشیاء میدان بازی مبتنی بر هیستوگرام اصلاح شده و شناسایی بازیکنان با اعمال فیلتر میانه و عملگر مورفولوژی باز کردن است. پس از جداسازی ناحیه چمن، مشخص نمودن تیم بازیکنان بر اساس هیستوگرام باز تصویر شده انجام شده است. ردیابی بازیکنان نیز با استفاده از روش کلیشه همبستگی تطبیقی انجام شده است. در نهایت موقعیت و مسیر هر بازیکن با روش تبدیل هندسی آفین بر روی نشانه‌های خطی استخراج شده از میدان بازی محاسبه شده است. نتایج آزمایش‌ها نشان می‌دهند سیستم ارائه شده روشی مناسب را برای تجزیه و تحلیل تصاویر ویدیویی مسابقات فوتبال ارائه می‌دهد.

منابع در گریدهای محاسباتی اقتصادی دارای قیمت هستند و کاربر باید هزینه اجرای کارهای خود را بپردازد. کاربر مهلت زمانی و بودجه مورد نظر خود را مشخص کرده و بهینه‌سازی هزینه یا زمان را درخواست می‌کند. یک الگوریتم زمانبندی که استراتژی بهینه‌سازی هزینه را اتخاذ می‌کند، باید منابع ناهمگون گرید را طوری به کارهای ناهمگون کاربر تخصیص دهد که اجرای آنها در مهلت تعیین شده و با کمترین هزینه ممکن انجام شود. در این مقاله، سه الگوریتم مکاشفه‌ای جدید برای این منظور پیشنهاد شده است. با استفاده از شبیه‌سازی نشان داده شده است که الگوریتم‌های پیشنهادی در مقایسه با تنها الگوریتم گزارش شده از کارایی بالاتری برخوردار بوده و درخواست‌های کاربر را با هزینه کمتری انجام می‌دهند.

در این مقاله نشان داده شده که معیارهای حداکثر چسبندگی و حداقل اتصال بین قطعات معماری در برنامه‌های محاسباتی توزیعی معیار صحیحی نمی‌تواند برای ارزیابی معماری باشد. چرا که در این نوع برنامه‌های توزیعی هدف افزایش سرعت اجرایی با ایجاد حداکثر همروندی در اجرای قطعه‌های توزیع شده است. در این راستا در این مقاله یک رابطه کلی تخمین زمانی به عنوان تابع هدف جهت سنجش ارزش توزیع‌های متفاوت از کد برنامه‌های شیئ گرای محاسباتی ارائه شده است. این رابطه تخمین زمانی که با پیمایش گراف جریان فراخوانیها ایجاد می‌شود، برای هر فراخوانی دو حالت غیر همگام راه دور و ترتیبی را در نظر می گیرد. نوع فراخوانیها بر اساس خوشه‌بندی مدل ارتباطی کلاس‌های استخراج شده از برنامه مورد نظر مشخص می‌شود. هد ف، بدست آوردن خوشه‌بندی ای است که حداکثر همروندی را در اجرای برنامه حاصل نماید. با این روش می‌توان بهترین ترکیب توزیع و تعداد ایستگاه‌های کاری برای توزیع برنامه‌ها در سطح شبکه را بدست آورد.

سیستم‌های نهفته قابل بازپیکربندی بصورت پویا از پردازنده‌های همه منظوره و آرایه‌های منطقی قابل برنامه‌ریزی تشکیل شده‌اند، بطوریکه آرایه‌های منطقی قابل برنامه‌ریزی می‌توانند در زمان اجرا بازپیکربندی شوند و باعث کاهش هزینه گردند [ 1]. بعلت قابلیت بازپیکربندی بصورت پویا، مجازی‌سازی منابع امری شدنی است و یک راه حل جالب برای ذخیره فضای سیلیکان بشمار می‌رود. این مقاله یک الگوریتم افراز زمانی برای تقسیم‌بندی گراف‌های جریان داده برای سیستم‌های نهفته قابل بازپیکربندی بصورت پویا ارائه می‌کند. این الگوریتم بر اساس توسعه الگوریتم زمان‌بندی لیست ایستا به یک نمونه پویا، با در نظر گرفتن تابع هزینه جدید است. گره‌ها بایستی به داخل یک تکه بر اساس تابع هزینه‌ای که بطور پویا بعد از هر نگاشت محاسبه می‌شود، قرارگیرند. تابع هزینه برای هر گره با در نظرگرفتن وابستگی به تکه جاری، طول مسیر بحرانی و تعداد ارتباط‌های آن با سایر گره‌ها محاسبه می‌شود. نگاشت گره‌ها به یک تکه بر اساس رابطه وابستگی به تکه جاری، منجرمی‌شود تا گره‌های بیشتری با وابستگی بیشتر به تکه جاری اضافه شوند. بنابراین هزینه ارتبا ط کمتر، بهره‌وری از فضای افزاره بیشتر و زمان اجرای هر تکه با توجه به طول مسیر بحرانی کاهش می‌یابد.

با ورود به دوره طراحی نانومتری، اجزای مختلف مدار و نیز سیم‌های اتصا ل دهنده آنها در فواصل بسیار نزدیکی از یکدیگر جایابی می‌شوند و احتمال بروز نویز هم‌شنوایی در سیم‌های مجاور بیشتر و بیشتر شده است. از این رو، یک نیاز صریح در استفاده از روش‌های اجتناب از نویز هم‌شنوایی در روند طراحی مدارات VLSI وجود دارد. در دیگر سو کوچک شدن سریع تکنولوژی ساخت، تغییرپذیری زیادی در پارامترهای طراحی و ساخت ایجاد کرده است که این تغییرپذیری می‌تواند به عدم توانایی پیش‌بینی پارامترهای مداری پیش از ساخت آن منجر شود. در این مقاله با استفاده از یک روش آماری، تأثیر تغییرپذیری فرآیند ساخت بر روی روش‌های اجتناب از نویزهم‌شنوایی مدل شده است. با استفاده از روش ارائه شده، چندین فرم بسته که نشان دهنده چگونگی این تأثیر است، ارائه و ارزیابی شده است. مقایسه نتایج بدست آمده از این مدل‌سازی و نتایج حاصل از تحلیل مونت کارلو نشان می‌دهد که روش پیشنهادی برای مدل کردن این تغییرات بسیار کارآمد عمل می‌کند.

در چهار دهه اخیر، پیچیدگی نرم افزارها روز به روز بیشتر شده و تقاضا برای نرم افزارهای قدرتمندتر افزایش یافته است. در این میان، به نظر می‌رسد که روش‌های قدیمی جوابگوی نیازهای در حال رشد کنونی نیستند و نیاز به ایجاد و بکارگیری روش‌هایی است که بوسیله آ‌ن‌ها بتوان بر این پیچیدگی‌ها در زمان‌هایی کوتاه‌تر غلبه کرد. از طرفی امكان كنار گذاشتن سیستم‌های نرم‌افزاری موجود که تا به حال مشغول سرویس‌دهی به مشتریان بوده‌اند، وجود ندارد و می‌بایست سیستم‌های جدید را بصورت یکپارچه و در کنار همین سیستم‌ها بوجود آورد. در سال‌های اخیر، تحقیقات درباره معماری نرم‌افزار، به یکی از مباحث مهم در حوزه مهندسی نرم‌افزار تبدیل شده است و تحلیل معماری نرم‌افزار، یکی از موضوعات اصلی در این حوزه می‌باشد. هدف از ارزیابی معماری یک سیستم نرم‌افزاری تحلیل معماری جهت مشخص کردن پتانسیل ریسک‌ها و تصدیق کیفیت نیازمندی‌های اشاره شده در طراحی می‌باشد. نقش این بحث اینست که رهنمودی را در رابطه با بکارگیری مناسب‌ترین روش برای فرآیند ارزیابی معماری پیش نهاد دهد. تمرکز این تحقیق روی کشف شباهت‌ها و اختلافات بین پانزده روش در دسترس خواهد بود و این کار از طریق جدول ارزیابی صورت خواهد گرفت که این جدول شامل شانزده پارامتر جهت ارزیابی روش‌ها می‌باشد.

در اين مقاله يک الگوريتم جديد براي قطع هبندي تصاوير راديوگرافي قفسه سينه با هدف جداسازي محد وده ريهها از ساير آناتومي- هاي موجود در اين تصاوير پيشنهاد شده است . در اين الگوريتم براي اولين بار از طبق هبنديکنندههاي ي ک-کلاس در مسأله قطعه- بندي محدوده ري هها در راديوگرافي قفسه سينه استفاده ميشود. طبقهبندي يک-کلاس, يک نوع طبقهبندي بدون ناظر اس ت; ب ه اين معنا که تنها مجموعه آموزش از يک کلاس موجود است و مرز بين دو کلاس تنها از طريق دادههاي کلاس هدف تخمين زده ميشود. درضمن در اين تحقيق كارايي پنج طبقهبنديكننده يك-كلاس، "مدل گوسين"، "تركيب گوسينها"، "تخمين چگالي پارزن"، "متدk -مركز" و "توصيفگر نزدي كترين همسايگ ي" در مسأله قطع هبندي تصا وير را ديوگرافي قفسه سينه با استفاده از منحني ROC با هم مقايسه شده و سپس به كمك قانون ترکيب ميانگين برخي از اين طبقهبنديكنندهها را تركيب کرده و نشان داده ميشود که غالبا" اين طبقهبنديکنندههاي ترکيب شده کارايي بهتري دارند.